自醫療領域發展人工智慧，台灣的機會何在？
在人工智慧的大趨勢中，醫療領域的可能性被大幅期待，但AI究竟是會翻轉我們的醫療體驗，還是依舊充滿各種技術、法規的限制？在風傳媒『生態圈變革 - 台灣醫療AI趨勢與實踐』論壇，我們從不同角度來進行討論
人工同理心（Artificial Empathy）是AI發展於醫療領域的重要環節（圖 / Comfreak@pixabay）
在人工智慧席捲全球的過程中，醫療是備受矚目的關鍵領域，但談起人工智慧對於台灣醫療環境的影響，台灣究竟有什麼具體的優勢與挑戰？
風傳媒聚焦討論台灣醫療生態在面臨人工智慧運用下的變化，在二月份的『生態圈變革 – 台灣醫療AI趨勢與實踐』論壇中，臺北醫學大學醫學科技學院李友專院長從醫界與學界的角度進行分享。
「人工智慧會不會取代醫生？」臺北醫學大學醫學科技學院李友專院長半開玩笑地表示，「每次講到人工智慧應用在醫療，就有人說『你們醫生已經很冷冰冰了，現在用人工智慧又更冷冰冰了。』」
去年10月，張忠謀曾表示：「醫術平凡的醫生恐被AI取代」，不過李友專院長認為，在AI持續衝擊人類生活的每一個面向下，不管做什麼工作，平凡的人都將被取代。
在醫療領域中，第一個會被取代的是什麼角色？許多人認為是放射科醫師。自2015年到現在，AI判別影像的能力已大幅提昇，過去只能做到60%正確，雖然醫生的正確率也沒有高出很多，但病患依舊不敢把診斷交給AI；如今，正確率已經高達90%，許多人開始越來越相信人工智慧的判斷了。
不過，李友專院長也表示，現在我們所面對的問題並不是大家喜不喜歡用AI，而是許多環節我們不用AI也無法繼續發展了；因此，比起思考「AI會不會取代醫生」，更應該思考的問題是：台灣在醫療領域發展人工智慧的機會與挑戰是什麼？
在人工智慧的領域上，全球各國是如何進行布局的？李友專院長針對差異之處做出描述，「美國希望各個方面都能領先，英國希望自無人駕駛、醫療等領域在美國法令通過前先行引進，中國希望能成為世界人工智慧發展的中心，日本則強調機器人的運用。」
相較之下，台灣的人工智慧該聚焦在何處呢？為什麼在台灣發展醫療AI是有價值的？
「我們有兩項領先全球的優勢：ICT技術以及全球健保制度。」在台灣，民眾有極高的就診率，每人每年平均就醫15次；檢驗及檢查率也非常高，最昂貴的檢查如電腦斷層、核磁共振，一年大約做200萬次以上，每做一次可以得到40~400張影像，每年產出的資料量非常龐大。
除此之外，台灣的診斷和藥品都有精確編碼，台灣的診斷和藥品都有精確編碼，相較之下，在美國許多病例都還是手動打字，造成許多錯誤。「我們給的處分很精確，如果打的藥和診斷不太對，健保署就會出來罰200倍，看你敢不敢不精確。」
有了這些條件，讓台灣的醫療領域在人工智慧發展上有了先天的優勢，但實際上目前的應用還很淺。在現行醫院用的電腦規則中，肝指數大於100就會判定為是異常，但對不同年齡、健康狀況的人使用相同的規則來判斷，這樣的規則還太過粗淺；除此之外，醫療與AI相關產業的交流不足、運用AI的醫療健康機構不足、AI的臨床運用不足……等，也都是必須面對的挑戰。
綜觀台灣醫療環境的現況，李友專院長認為，台灣有機會能成為全球最大的影像巨量資料中心，在發展人工智慧的過程中，策略上的定位非常重要。
臺北醫學大學於去年成立了台灣醫療人工智慧創新研究中心（Artificial Intelligence for Medicine and Health Innovation，簡稱AIMHI），希望能成成為世界級醫療健康AI中心，而AIMHI有幾項主要的任務，包含解決資訊超載問題，以及致力研究人工同理心（Artificial Empathy）。
在過去，病患的資訊不足讓醫療人員十分辛苦，在面對各種診斷時，85%的病患資料是不全的。在健保署和衛服部的努力下，如今醫生可以透過健保卡來了解病患過去三年的資料；不過，平均每人每年就醫15次，三年就有45次，對醫生而言問題從過去的資訊不足變成了資訊爆炸，要能有效運用這些資料，人工智慧的運用就十分重要了。
而雖然在診療過程中有資訊爆炸的問題，但在病人來醫院前跟離開醫院後，資訊還是不足，就要靠物聯網來進行資料收集，也因此，臺北醫學大學也正在推動健康物聯網的產學醫研聯盟合作，來補足過往資料的不足。
「在發展人工智慧的同時，也需要發展人工同理心，讓你感覺電腦好像有同理心。」
電腦可以根據客觀的要件來進行判斷，但當面對病患時應該如何表達呢？李友專院長表示，相較於其他的領域，如果沒有同理心，醫療AI很難推展。目前，微軟與IBM都在發展情緒辨識、情緒運算，可以辨識出人的七種情緒，一邊在與病患進行對話的同時，一邊可以分析病患的心理變化。
倘若經過人工智慧完成診斷後，發現病患只剩下三個月的壽命，是應該直接說「你只剩三個月好活」，還是告訴病患「繼續努力還有機會」？比起其他領域，當人工智慧運用在醫療領域之中時，同理心確實是十分重要的議題。
【臺北醫學大學醫學資訊研究所】107學年度博士班入學考試正在招生中
【網路報名日期】
博士班：107.04.03~107.04.16
107學年度博士班入學考試考試科目★免筆試★
【簡章下載】
★博士班入學考試簡章http://aca.tmu.edu.tw/6dt2/recruit.php?Sn=206
【更多資訊】
★臺北醫學大學醫學資訊研究所簡介：http://gimi.tmu.edu.tw
★獎勵學金資訊：http://osa.tmu.edu.tw/files/11-1001-418.php
在新創公司發展醫療AI的過程中，有各式各樣的困難必須克服（圖 / qimono@pixabay）
在醫療與人工智慧的結合日漸成熟的狀態下，驅動了更多新創公司關注醫療領域，但對於新創公司而言，在醫療領域上發展有什麼樣的困難點？人工智慧又讓創新創業之路多了什麼機會與變數？萊鎂醫療器材陳仲竹執行長於『生態圈變革 – 台灣醫療AI趨勢與實踐』論壇中，進行了詳細的討論與分享。
近幾年來，人工智慧有爆炸性的成長，在醫療器材領域的應用也日漸增加；2014年時，有關人工智慧的健康照護商業運用還不太多，但根據跨國研究機構埃森哲的報告指出，在接下來的5、6年內，人工智慧醫療將會有10倍的成長，以每年40%的成長率發展。
人工智慧在醫療上的發展非常快，埃森哲預估在2026年將創造出1500億美金的經濟價值，但究竟會在哪些領域產生更大的影響與市場規模呢？萊鎂醫療器材陳仲竹執行長對此有非常詳盡的觀察。
在前10大醫療器材的應用中，其中之一是手術，目前機器人手術如達文西系統，已經變得非常成熟，現在進一步希望能做到更智慧化、出錯機會更少；而在醫療照護方面，由於人口老化的趨勢，在照護人力上實際上有非常大的不足，因此運用人工智慧來解決照護人力不足的問題，有非常大的發展空間。
在醫院的管理上，如何能將醫院內的系統與各項器材全部串接，來收集病患的各種資訊？藉此由更完備的資訊進行決策，可以減少非常多的醫療錯誤，並且減少醫療過程中的人力耗費，也是人工智慧的研究重點之一。
「病人在同一天內看了好幾個醫生，這在台灣是可能發生的。」陳仲竹執行長表示，如何減少醫療上的濫用與浪費，這是保險公司與健保體系研究的課題，而事實上這也是AI可以做的事。從資料中找出可能有錯誤或濫用的行為，例如買了藥不吃或是進行了不該做的療程，都有助於提昇社會整體的醫療效率。
而隨著醫療器材功能越來越強、獲取更多資訊，可以做到的事情也就越來越多。「有很多器材事實上是需要人為調整參數的，像我們在做睡眠呼吸的醫療器材，實際上是有壓力參數要調整的。」在過去，需要找一個睡眠技師整晚盯著病患的狀態來調整壓力，而現在這些工作都可能透過人工智慧來取代。
在醫療新創的領域，目前有許多非常有突破的應用：Mazor Core的機器人輔助手術宣稱已經有29,000個案例是透過AI去協助手術進行；Sensaline創造出一個如同虛擬的護理人員的App，並且讓虛擬護理人員表現得就像和真人溝通一般；ZingBox透過物聯網的方式，將所有可以連線的醫療器材與醫院管理系統全部結合在一起，並且回報給電腦進行分析與連線。
不過，要把人工智慧應用在醫療行為上，對許多公司而言還是困難重重。陳仲竹執行長表示，「想要說服醫生使用，你必須要有大量的臨床證據，但這事實上對於許多新創公司而言是很難做到的。」
其次，法規也是非常大的變數，「產品開發出來、做了臨床試驗，可是跟法規單位討論時卻有可能被指出部分試驗不完整，要回頭改產品、改study protocol，讓醫療器材開發的時程拖得更長。」同時，法規也不斷在改變、變得越來越嚴格，「早期醫療新創公司會想把技術拿到歐洲去試，因為過往的歐洲法規與美國FDA不同，重視的是安全性而不在意產品的有效性，只要安全就可以上市，門檻比較低，但最近一兩年歐盟的法規也越來越嚴格了，所以無論要去哪裡取得醫療器材的認證都非常困難。」
與一般的醫療器材相較之下，人工智慧這樣全新的東西，對於制定法規的單位來說也是新的挑戰，在定義標準上會與過往的內容完全不同。「他們也在學習到底AI是什麼，物聯網、雲端又是什麼，而這些都需要透過法規來規範的。」
對於新創公司的第三個挑戰是，醫療器材的開發是非常長期的投資。「一個醫療器材的新創公司要能真的成功，通常是必須要獲得保險給付，因為保險給付之後使用的病患就會變得很多，但在這之前要如何讓公司活下來？」比起一般領域的人工智慧應用，醫療器材必須要經過漫長的臨床試驗及法規驗證的過程，多數的前期階段都是純粹燒錢而難有收入的。
要發展人工智慧，許多新創公司都希望能蒐集大量病患的數據來做分析、提供服務，但在這方面的實際上會遇到的法規限制非常多，對此，陳仲竹執行長分享了不久前至德國考察的心得。
「在德國，個人資料儲存一定要在當地的伺服器而不能在海外，所以如果你想在台灣做一個伺服器進行資料儲存和分析、把產品賣到德國，事實上你會被禁止把資料傳回台灣的伺服器的。」每個國家對於個人健康資訊的嚴格程度與限制不一，也讓產品受到更多限制。
在人工智慧相關的產品開發，有時也會遇到另一個有趣的問題：如果原先就是醫療護理人員不夠準確的領域，那該如何證實人工智慧的結果是正確的？「以精子檢測來說，傳統精子檢測需要專門的護理人員透過顯微鏡去觀察，算精子的數量、看移動的方式、觀察是否有變形，雖然有些指標但實際上還是有很大的困難，看久了眼睛都花了，variation常常超過20%；人工智慧做這種判斷時其實非常準確，但是一旦把護理人員的觀測結果當成標準，人工智慧的結果看起來反倒很不準確，這也是法規必需要面對的一個有趣的問題。」
陳仲竹執行長於萊鎂醫療器材所開發的睡眠呼吸中治療的裝置，是透過科技來解決過往專業人力缺乏及效率不佳的問題。「過去傳統的睡眠檢查，必須要在醫院睡一個晚上、貼大量的訊號線，並且必須要排非常久，像在長庚可能需要排到六個月；另一個問題是，睡眠技師非常不足，需要在醫院大夜班工作，當病患睡覺時他不能休息，第二天一早進行報告的解讀，非常辛苦。」
現在的趨勢則是使用人工智慧來進行報告判讀的工作，在機器判讀之後，由睡眠技師來根據機器所算出的結果檢查一遍，讓過往人力不足的狀態可以紓緩，對病患而言也加快了檢驗的流程。
要發展醫療器材的人工智慧應用，台灣有什麼樣的優勢？陳仲竹執行長表示，「台灣的強項是我們的醫療品質又好又便宜，加上有很大的健保資料庫以及政府大力推動AI，其實很希望未來有更多的新創公司可以投入這個領域，讓AI結合醫療變成台灣一個新的重點產業。」
如今全球五大企業均是技術背景的公司，除了影響日常生活各個層面外，對於醫療產業發展又有什麼影響呢？（圖 / Amazon.com）
談起人工智慧，深耕AI多年的諸多各大科技公司，自始至終不斷關注能將技術實際落地於醫療產業發展中，尋找發展的機會與應用。
國際科技巨頭的角色，究竟是會擴大科技公司大者恆大的局面，或是會為其他新進者提供基礎建設？於風傳媒所舉辦的『生態圈變革 – 台灣醫療AI趨勢與實踐』論壇中，亞馬遜網路服務公司（Amazon Web Services, AWS）分享了在醫療照護領域上的各種成功案例，及對於人工智慧的發展觀點。
2006年，全球最大的五間企業包含石油公司、銀行業、軟體業……等，但是12年後的現在，全球最大的五間企業分別是Apple、Alphabat、微軟、亞馬遜與facebook，清一色都是技術背景的公司。
科技公司的影響力無遠弗屆，服務的範圍自個人用戶至全球各產業的企業用戶，醫療產業也不例外。在醫療產業與人工智慧結合的過程中，究竟科技公司居中扮演了什麼樣的角色呢？
根據WTO統計，擁有糖尿病的患者，在五年內失明的比例大約是17%，20年內失明的比例大約是63%。由於初期在外表上沒有什麼明顯的分別，但是眼球背後的血管正在被逐步破壞，因此這個狀態最需要的是早期發現問題。
在亞馬遜跟史丹佛大學的合作中，亞馬遜分享 deep learning的演算法給史丹佛，史丹佛則是提供各種不同階段的眼部影像給亞馬遜進行演算法的訓練。經過訓練的演算法比起專業醫生來大約有95%的準確度，透過這樣的工具，大量避免了未能早期發現失明症狀的情況。
亞馬遜與Arterys的合作則是另一個經典案例。這間美國的公司主要進行心血管的檢查，它們將核磁共振的資料放上亞馬遜的雲端平台，在15秒內就能產出檢查報告；如果透過傳統醫生來判讀報告，則需要30至60分鐘才能完成；在此過程中，亞馬遜使用了幾千份影像去進行machine learning，抓出了1000多個不同的規則來進行判斷，直到正確率和醫生一樣高後才正式推出。
對於亞馬遜而言，AI的重點並不在於取代醫生，而在於創造更好的服務：透過AI，把過去勞力密集的狀況給解除掉，讓醫生可以把專業放在更好的地方。
想要透過人工智慧產出有意義的結果，其中一大關鍵在於「規模」。要進行machine learning或deep learning需要大量的資料，但儲存在機房資料很難移轉到另一個平台去進行訓練，或是可能機房本身也不夠大、不足以儲存巨量資料。
有了資料要進行訓練，則是電腦運算力的問題。繪圖處理器（graphics processing unit, GPU）的價格高昂，對許多企業來說是非常大的投資；為了任務性訓練人工智慧，往往也有企業購買了大量GPU，進行兩個月的training後，就把GPU放在機房沒再使用了。
因此在人工智慧的發展過程中，訓練演算法的方法及工具已存在，但對於許多組織而言依舊非常遙遠，在醫療領域也是如此。好的技術能改變我們的生活，但好的技術通常都存在於大公司之中，這是科技發展的一大困境。
AWS現今的服務內容，來自於大約12年前，亞馬遜一項「將IT服務轉變為產品提供外部使用」的專案，透過這項專案，亞馬遜希望將AI的權力下放，讓入門門檻比較高的人工智慧領域，能讓所有人都有機會能夠參與。
在數據方面，藉由過往10多年的經驗，亞馬遜協助客戶將數據移轉至亞馬遜的雲端平台，也有許多新的客戶的數據原始就儲存在亞馬遜之中，以便進行演算法的訓練；GPU的運算力也是採用租用的方式，讓各種不同組織可以因應需求來選擇合適的方案。
科技的高速發展帶給人們更多的可能性，但技術向少數大公司集中的現況及趨勢，是否有可能改變呢？著名科幻小說《神經漫遊者》的作者 William Gibson 曾說過這樣一句話：The future is here, it's just not evenly distributed yet. （The Economist, December 4, 2003）亞馬遜作為手握頂尖科技的產業龍頭，能否成功為更多人帶來發展人工智慧的「自由」與「選擇」，對於人工智慧在醫療產業中的推展將是相當關鍵的因素。
